【Python进阶】——自然语言处理




from nltk.corpus import stopwords
from nltk.stem import PorterStemmer
 
# 示例函数:移除停用词并进行词干提取
def preprocess_text(text):
    stop_words = set(stopwords.words('english'))
    words = [word for sentence in text for word in sentence]
    words = [stemmer.stem(word) for word in words if word not in stop_words and word.isalpha()]
    return words
 
# 示例函数:计算词频
def calculate_term_frequency(words):
    word_frequencies = {}
    for word in words:
        word_frequencies[word] = word_frequencies.get(word, 0) + 1
    return word_frequencies
 
# 示例函数:计算逆文档频率
def calculate_inverse_document_frequency(words, documents):
    word_doc_counts = {}
    num_docs = len(documents)
    for word in words:
        word_doc_counts[word] = word_doc_counts.get(word, 0) + 1
    
    idf_values = {}
    for word, doc_count in word_doc_counts.items():
        idf_values[word] = np.log(num_docs / (1 + doc_count))
    return idf_values
 
# 示例函数:计算TF-IDF值
def calculate_tf_idf(words, documents, word_frequencies, idf_values):
    tf_idf_values = {}
    for word, word_freq in word_frequencies.items():
        tf_idf_values[word] = word_freq * idf_values[word]
    return tf_idf_values
 
# 示例文本和文档集合
text = [['machine', 'learning', 'is', 'fun'], ['deep', 'learning', 'is', 'even', 'more', 'fun']]
documents = [[text[0]], [text[1]]]
 
# 预处理文本
stemmer = PorterStemmer()
preprocessed_text = preprocess_text(text)
 
# 计算词频
term_frequencies = calculate_term_frequency(preprocessed_text)
 
# 计算逆文档频率
idf_values = calculate_inverse_document_frequency(preprocessed_text, documents)
 
# 计算TF-IDF值
tf_idf_values = calculate_tf_idf(preprocessed_text, documents, term_frequencies, idf_values)
 
# 打印结果
print(tf_idf_values)

这个代码示例展示了如何使用NLTK库进行文本预处理,包括移除停用词和进行词干提取,计算词频,计算逆文档频率,以及计算TF-IDF值。这是自然语言处理中一个常见的工作流程,对于理解文本分析的原理很有帮助。

最后修改于:2024年09月05日 09:06

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日